Agent协商优化问题的快速混沌遗传算法

随着Internet的日益完善和电子商务的普及，如何快速、高效地进行Agent协商是我们必须面对和解决的一个重要问题。文章在Bazaar协商模型下，给出了一种快速混沌遗传算法，该算法首先将混沌机制引入遗传算法，并在搜索中，以具有一定保证的当前最优解为中心不断压缩优化变量的搜索区间，对算法进行加速。这样即克服了遗传算法过早收敛的缺点，又解决了引入混沌后遗传算法收敛慢的问题。仿真实验表明，它是解决Agent协商优化问题的一种快速有效算法。     

阵列天线波束赋形的混合遗传算法优化

本文提出了一种应用于阵列天线波束赋形优化的混合遗传算法.该算法将简化的步长加速法作为一个局部搜索算子,融入到基于实数编码的遗传算法中.局部搜索算子的引入,使得新算法同时具有了传统遗传算法在全局搜索时的鲁棒性和步长加速法在局部搜索中搜索较快的优点.文中分别利用该算法对16元直线阵列进行了平顶波束和余割平方波束赋形优化,仿真结果表明了该算法在阵列天线波束赋形优化问题上的应用是有效的.     

正交遗传算法

本文提出正交遗传算法.该算法把正交设计与遗传算法结合起来,用正交设计确定区间水平,在每个区间水平按遗传算法进行搜索,正交设计能够发现包含最好解的区间水平,再在这个区间水平使用遗传算法进行搜索.反复使用上述算法,当前区间水平变小.最后,当前区间水平变为一点了,它就是这些区间水平的最优点.借助正交设计,本文证明了正交遗传算法是收敛的和进行了计算机模拟.模拟结果显示该算法是有效的和可行的.     

采用遗传算法的低轨区域通信星座优化设计

给出一种利用改进遗传算法实现低轨区域通信星座优化设计的方法,有效克服了上述困难。首先建立通用的区域覆盖星座模型,确定优化控制参数,并结合低轨星座应用背景对其进行约束。然后给出一种基于网格点统计的星座性能评价准则。为了提高遗传算法对局部最优解的搜索能力,文章提出一种混合遗传算法,该方法在基本遗传算法中加入复形调优算法,并根据优秀个体的分布对参数区间进行调整。将该算法应用于星座模型,建立一套完整的星座优化设计方案。最后对具体实例进行优化仿真,结果表明该方法取得良好的优化结果。     

遗传算法的3种改进方法和分析

遗传算法是一种借鉴生物界自然选择和进化机制的随机优化算法.它在求解一般全局优化问题时具有较好的鲁棒性,而且搜索不依赖梯度信息.但是,在用传统遗传算法解决较复杂的优化问题时,存在早熟及稳定性差的缺点.因而,针对这些缺点,出现了很多对传统遗传算法的改进.本文对遗传算法的3种改进方法进行了描述,并将它们应用到一个函数优化实例...     

基于无线射频定位系统的网络拓扑优化

以遗传算法和免疫算法相结合的算法为研究手段,为无线射频网络的拓扑结构做了优化.这个设计在传统的遗传算法上加以改进,结合了遗传算法和免疫算法的优点,将免疫算法作为遗传算法的一个更新个体的算子,从而提高了遗传算法的搜索能力,使得网络拓扑的结果更加优秀.     

一种解决组合优化问题的量子遗传算法QGA

本文在量子变异的基础上,提出了一种解决组合优化问题的量子遗传算法QGA,它融合了遗传量子算法GQA和经典遗传算法的优点,只用一个个体就可在很短的时间内搜索到最优解,并针对一个典型的组合优化问题——0/1背包问题进行了对比实验,实验结果表明本文所提出的量子遗传算法QGA优于传统遗传算法和遗传量子算法GQA.     

求解多目标优化问题的若干算法概述

文章首先给出了多目标优化的数学模型,回顾了多目标优化的基本概念。其次,简要总结了多目标优化问题的传统方法和进化算法,其中对进化算法为遗传算法的求解方法进行了详细阐述,分析了传统方法和进化算法的优缺点。最后,对多目标优化领域的热点问题进行展望。     

基于改进遗传算法的油田配电网无功优化

遗传算法是一种模拟生物进化过程的优化算法,可用来求解包含离散化变量的复杂优化问题.将遗传算法应用于油田配电网无功优化,并对常规遗传算法的编码方式、遗传算子以及终止判据等方面进行改进,提高了计算效率和全局寻优能力.通过对油田配电网的分析和计算,结果表明该改进遗传算法应用于油田无功优化是合理可行的,其优化效果优于传统遗传算法.     

基于遗传算法的公园道路设计

对城市公园道路的规划特定的两个问题给出了设计方案。该方案基于遗传算法的思想并对其改进优化,以园内道路总长为目标函数,合理地选择迭代次数和变异概率,在不同的限定条件下,分别得出了两个问题的解决方案并大幅降低了问题的复杂度和计算量,有效地处理传统算法难以解决的复杂问题。最后给出了算法的改进方案,并对该算法应用做了进一步的推广。     

基于遗传算法的影像匹配方法研究

影像匹配是立体视觉中的核心问题之一。本文基于传统的影像匹配技术,提出了一种基于遗传算法的影像匹配方法。针对简单的遗传算法易于陷入局部最优的缺点和影像匹配的具体问题,对基本遗传算法作了改进。实验表明,此种方法具有较好的匹配精度和速度,能应用于各种类型的匹配中。     

遗传算法在图像匹配中的研究与改进

图像匹配是计算机视觉和图像分析中的一个基本问题,针对常规遗传算法在图像匹配中存在的问题,在文中引入混沌理论改进遗传算法,实验表明,改进的算法在图像匹配中具有更高的精度和速度,取得了较好的效果.     

Blind signals separation with genetic algorithm and particle swarm optimization based on mutual information

Blind source separation technique separates mixed signals blindly without any information on the mixing system. In this paper, we have used two evolutionary algorithms, genetic algorithm and particle swarm optimization for blind source separation. In these techniques a novel fitness function that is based on the mutual information and high order statistics is proposed. In order to evaluate and compare the performance of these methods, we have focused on separation of noisy and noiseless sources. Simulations results demonstrate that the proposed method for employing fitness function has rapid convergence, simplicity and a more favorable signal to noise ratio for separation tasks based on particle swarm optimization and continuous genetic algorithm than binary genetic algorithm. Also, particle swarm optimization enjoys shorter computation time than the other two algorithms for solving these optimization problems for multiple sources.     

基于网格的改进序列鸡群算法

针对传统鸡群优化算法存在求解精度偏低、局部搜索能力弱等问题,提出了一种改进的鸡群优化算法。改进算法选择利用动态簇解决单一工作节点能力有限问题,提出一种基于网格的序列鸡群算法,优化标准鸡群算法的种群分组更新机制,仿真和实验结果表明该算法相比传统算法具有定位精度高、收敛速度快、实时性好等优点。     

An Improved Genetic Algorithm with Quasi-Gradient Crossover

The convergence of genetic algorithm is mainly determined by its core operation crossover operation. When the objective function is a multiple hump function, traditional genetic algorithms are easily trapped into local optimum, which is called premature conver- gence. In this paper, we propose a new genetic algorithm with improved arithmetic crossover operation based on gradient method. This crossover operation can generate offspring along quasi-gradient direction which is the Steepest descent direction of the value of objective function. The selection operator is also simplified, every individual in the population is given an opportunity to get evolution to avoid complicated selection algorithm. The adaptive mutation operator and the elitist strategy are also applied in this algorithm. The case 4 indicates this algorithm can faster converge to the global optimum and is more stable than the conventional genetic algorithms.     

无人机三维路径规划的粒子群混合算法

路径规划是无人机控制过程中的重要环节之一,现有基于粒子群等算法的传统路径规划方法存在容易陷入局部最优等问题,无法适应现实场景中复杂环境及高搜索速度的要求。针对已有方法的缺陷,提出了一种无人机路径规划的高性能细菌觅食-遗传-粒子群混合算法,以传统粒子群优化算法为基础,引入细菌觅食算法及遗传算法思想,提高算法计算速度与能力,同时考虑实际场景中无人机的运行约束,进一步提高了方法的可用性。最后,利用仿真实验验证了所提方法的有效性,并通过与传统方法对比证明了所提方法在运行时间、规划航程等方面的优越性。     

区间长度可变的反向混沌优化算法

针对现有算法在大空间和高维度寻优存在效率较低的问题,提出一种区间长度可变的反向混沌优化算法,并证明了该算法以概率1收敛于全局最优解.算法采用区间长度可变的反向优化策略,利用反向优化方法增大算法进化过程的多样性,使优化的变量区间不断减小.同时,提出基于Fuch混沌映射的反向混沌优化策略增大算法逃逸局部极值的能力,以及两级优化策略提高算法执行后期的寻优精度.通过22个基准函数测试结果表明,本文提出的算法与改进的混沌优化算法以及其他智能优化算法相比,其搜索的综合性能要优于其他算法.     

基于混沌遗传算法的图像匹配

图像匹配是计算机视觉和图像分析中的一个基本问题。针对常规遗传算法存在的问题,提出了一种实现图像匹配的新的混沌遗传算法,实验表明,此算法具有更高的精度和速度,取得了满意的结果。     

先锋遗传算法在多峰值函数优化中的应用

本文对遗传算法应用于多峰值数值函数优化进行了研究,通过对算法的综合和改进,克服了传统遗传算法计算多峰值函数时容易出现的遗传漂移问题,实现了优化目的,证实了先锋遗传算法应用于此类问题的可行性和有效性.